內容簡介

一家公司，如何運用大數據進行客戶定位、營銷推廣、品牌傳播？

一個行業，如何運用大數據進行產業分析、前景預測、商機挖掘？

本書將全面揭秘大數據價值挖掘、平臺構建、營銷定位、生活服務、社會互動、風險管理和未來應用，特別是對銷售行業、餐飲行業、網絡通信、交通能源、醫療領域、娛樂傳媒、生產制造、企業管理、金融行業、旅游行業、游戲行業和房地產行業等影響力大的行業或領域進行剖析，幫助讀者知曉賺錢公司的大數據是怎樣玩轉的！

書中內容零基礎、全圖解，通過12個行業應用挖掘+17章專題內容詳解+400多張圖片圖解展示，深度剖析了大數據的商業分析、運營推廣、營銷技巧和實戰案例，讓您一書在手，輕松玩轉大數據！

本書對象為對大數據分析、營銷感興趣的所有讀者，特別是企業經營者、管理者、互聯網營銷崗位的工作人員等。

 

前言　　

　　

 寫作驅動

　　互聯網和移動互聯網的快速發展使海量數據得以產生，這些數據的分析、價值挖掘和應用給社會各行業帶來了更多發展機會，引領它們走向"大數據+互聯網"時代環境下經濟發展的春天，開啟一個數據化、智能化、信息化的新時代。

　　本書是以大數據為核心、以營銷為根本出發點的專著，以圖解的方式全面、深入地詮釋大數據的主要特征、發展過程、價值挖掘、平臺構建、營銷定位、生活服務、社交互動、風險管理和行業應用，特別是結合了每一個與營銷相關的行業內容，如大數據影響、發展趨勢、應用策略、挑戰、商業模式等，圍繞相關內容全面解析了諸多行業的大數據應用。

　　本書緊扣大數據，采用集理論、案例和技巧于一體的結構框架，從橫向行業線和縱向理論線全面剖析大數據(見下圖)，讓您輕松懂得怎樣利用大數據創造價值，開拓新的市場空間，煥發企業活力。

　　

 本書特色

　　(1) 技巧豐富，包含100多種營銷方法。本書巧妙地將100多種大數據分析、營銷知識與運營方法嵌入行業案例中，生動形象地通過案例，將營銷手段與運營方法表述出來，讓讀者能夠快速吸收、全面掌握大數據營銷與運營的相關事宜，成為行家里手。

　　(2) 實踐性強，滲透近20個行業領域。行業涉及銷售、餐飲、網絡、通信、交通、能源、醫療、娛樂、傳媒、生產、制造、企業管理、金融等人們生活與工作的各個領域。列舉大量案例，進行透徹的講解和分析，使讀者只需一本書就通曉整個行業產業的大數據營銷與運營方法。

　　(3) 易于理解，構建350多個邏輯圖解。對案例大數據進行專業的剖析，從大數據應用的方法、應用方法的好處等方面，通過形象的邏輯圖解，將大數據營銷手段與運營方法進行詳細分析，從而推動讀者進入和玩轉大數據新時代！

 圖解提示

　　本書是側重大數據實際應用的實戰專著，采取了全圖解的方式進行分析。書中的350多個圖解能夠幫助讀者快速掌握重點和了解核心知識，為降低讀者的閱讀成本作出了努力。但是，需要注意的是，讀者需要在閱讀過程中注意其邏輯關系，以便更好、更快地理解本書內容，從而感受閱讀的知識性和趣味性。

 作者分工

　　本書由海天電商金融研究中心編著，參與編寫的人員有周玉姣、劉勝璋、劉向東、劉松異、劉偉、盧博、周旭陽、袁淑敏、譚中陽、楊端陽、李四華、王力建、柏承能、劉桂花、柏松、譚賢、譚俊杰、徐茜、劉嬪、蘇高、柏慧等人，在此一并表示感謝。

　　

　　                                            海天電商金融研究中心

目錄　　

 

第1章  發展揭秘：全程破解大數據 1

1.1  相關了解，全面分析 2

1.1.1  大數據的發展歷程 2

1.1.2  大數據的4大特征 4

1.1.3  大數據增長的結構類型 5

1.1.4  大數據發展的三大趨勢 7

1.1.5  大數據視角下的世界 9

1.2  深入了解，營銷獲益 10

1.2.1  新型營銷模式的形成 11

1.2.2  新型業務模式的發掘 12

1.2.3  存量客戶的價值發掘 12

1.2.4  新客戶資源的高效獲取 13

1.3  核心建設，把握機遇 14

1.3.1  4G時代下的大數據

產業鏈 14

1.3.2  大數據營銷機會的挖掘 15

1.4  商業智能，價值轉型 16

1.4.1  大數據下的商業智能

概述 16

1.4.2  商業智能的大數據基礎 17

1.4.3  商業智能的行業掘金 17

1.5  綜合利用，未來曙光 19

1.5.1  必然走向的大數據 19

1.5.2  大數據時代的業界生態 19

1.5.3  大數據的未來應用 20

1.5.4  大數據未來的發展要求 21

 

第2章  價值獲取：深度挖掘大數據 23

2.1  數據挖掘的相關知識 24

2.1.1  數據挖掘的基本概念 24

2.1.2  數據挖掘的商業解讀 25

2.1.3  數據挖掘的具體計算 25

2.1.4  數據挖掘的一般過程 26

2.2  基礎設施的建設與發展 27

2.2.1  云計算數據中心 28

2.2.2  存儲服務器 28

2.2.3  全面虛擬化模式 29

2.2.4  虛擬化網絡模式 30

2.3  互聯網數據庫的營銷應用 31

2.3.1  免費Wi-Fi的客戶數據

搜集 31

2.3.2  用戶頭像的信息獲取 32

2.3.3  Immersion的用戶郵件

挖掘 33

2.3.4  LinkedIn社交數據的商業

分析 34

2.4  不同行業的大數據源 35

2.4.1  文本數據的用戶情感分析 35

2.4.2  電網數據的用戶需求分析 37

2.4.3  車載信息數據的風險評估

分析 37

2.4.4  遙測數據的活動狀況分析 38

第3章  平臺構建：大數據分布計算 41

3.1  分布式計算的相關概念 42

3.1.1  云計算系統的運行概述 42

3.1.2  分布式文件系統的數據

存儲 43

3.1.3  分布式計算系統的優勢 44

3.2  Hadoop分析技術 45

3.2.1  Hadoop的含義概述 45

3.2.2  Hadoop的4大特點 47

3.2.3  Hadoop的企業應用 47

3.2.4  Hadoop的拓寬應用 48

3.3  平臺搭建與營銷效果 50

3.3.1  大數據平臺搭建 50

3.3.2  英特爾的云生態圈構建 51

3.3.3  公有云解決方案的應用

選擇 54

3.3.4  云創存儲的智能門戶

平臺 55

第4章  精準定位：大數據策略營銷 57

4.1  做好細分，客戶定位制勝關鍵 58

4.1.1  客戶屬性細分 58

4.1.2  精準定位的地位 59

4.1.3  目標客戶群定位 60

4.1.4  企業客戶細分 61

4.1.5  二次細分與動態調整 63

4.2  品牌傳播，企業客戶定位優選 64

4.2.1  企業品牌的基本含義 65

4.2.2  品牌定位的基本含義 66

4.2.3  品牌的客戶定位策略 67

4.3  特征把握，行業客戶定位技巧 69

4.3.1  零售行業的個體特色

定位 69

4.3.2  房地產行業的服務意識

定位 71

4.3.3  汽車行業的品牌塑造

定位 71

第5章  生活服務：日趨便捷的移動大數據 75

5.1  移動LBS的位置服務 76

5.1.1  移動LBS的定義和特點 76

5.1.2  移動LBS的生活服務

應用 78

5.1.3  移動LBS的未來發展 80

5.1.4  LBS的移動大數據營銷 81

5.2  移動O2O的購物模式 84

5.2.1  移動O2O模式的基本

概念 84

5.2.2  移動O2O模式的發展

優勢 85

5.2.3  移動O2O模式的商業

用途 87

5.2.4  O2O模式的移動大數據

營銷 89

5.3  App的各類生活應用 90

5.3.1  App的基本概念 91

5.3.2  App的營銷優勢 93

5.3.3  App的移動大數據營銷 93

5.4  二維碼的掃碼服務 96

5.4.1  二維碼的相關應用與價值 96

5.4.2  二維碼的營銷優勢 97

5.4.3  二維碼的移動大數據營銷 98

第6章  社交互動：全天候的移動大數據 103

6.1  微信的多樣化互動 104

6.1.1  微信互動的營銷條件 104

6.1.2  微信互動的營銷含義 106

6.1.3  微信互動的營銷模式 107

6.1.4  【案例】南航的微信互動

服務體驗 111

6.2  移動微博的文本互動 112

6.2.1  微博互動的營銷含義 113

6.2.2  微博互動的營銷價值 113

6.2.3  微博互動的營銷原則 114

6.2.4  微博互動的營銷策略 115

6.2.5  【案例】京東的微博

引流營銷 118

6.3  移動QQ的大范圍溝通 119

6.3.1  移動QQ的營銷平臺 119

6.3.2  QQ互動的營銷優勢 120

6.3.3  QQ營銷的數據應用 121

6.3.4  QQ營銷的互動技巧 122

6.3.5  【案例】西瓜的QQ空間

創意營銷 125

第7章  風險管理：大數據安全應用 127

7.1  五大風險，日益凸顯 128

7.1.1  企業數據管理風險 128

7.1.2  用戶隱私泄露風險 129

7.1.3  企業成本控制風險 130

7.1.4  網絡數據安全風險 131

7.1.5  數據人才缺乏問題 131

7.2  七大誤區，問題叢生 132

7.2.1  項目噱頭應用誤區 132

7.2.2  成果過分夸大誤區 133

7.2.3  項目盲目跟風誤區 134

7.2.4  軟件萬能認識誤區 134

7.2.5  項目應用僵化誤區 135

7.2.6  數據量偏重的誤區 135

7.2.7  他人經驗輕忽誤區 135

7.3  三大板塊，管理優化 135

7.3.1  三大硬件設備管理 135

7.3.2  兩類軟件管理 137

7.3.3  兩項認識調整 138

第8章  完整記錄：銷售行業的大數據攻略 139

8.1  大數據時代下的銷售行業 140

8.1.1  大數據下的智能零售

形成 140

8.1.2  大數據下的零售業挑戰

產生 141

8.1.3  大數據下的零售業商業

價值 141

8.2  鎖定客戶的大數據實體零售 143

8.2.1  實體零售的信息化趨勢 143

8.2.2  【案例】精準定位的

"上品折扣" 144

8.2.3  【案例】服務轉型的

富士通 145

8.2.4  【案例】構建大數據

戰略的朝陽大悅城 146

8.3  大數據領域的電商零售方針 147

8.3.1  金麥獎的實體零售方案

探索 147

8.3.2  【案例】阿里巴巴的大數據

營銷變革 149

8.3.3  百度視頻的大數據建模 150

8.4  大數據的廣告營銷引導 152

8.4.1  廣告投放的一般法則 152

8.4.2  【案例】投放精準的

"泰一指尚" 153

8.4.3  【案例】亞馬遜的RTB

廣告模式 154

第9章  市場定位：特色餐飲的大數據策略 155

9.1  大數據與餐飲行業的相關知識 156

9.1.1  餐飲業市場的大數據

需求 156

9.1.2  餐飲業發展的大數據

作用 158

9.1.3  餐飲業經營的大數據

應用 159

9.1.4  餐飲業管理的大數據

挑戰 160

9.2  餐飲行業的大數據特色營銷

案例 162

9.2.1  【案例】活力舒化：大數據

和微博雙助力 162

9.2.2  【案例】美團美食：LBS

與大數據雙聯合 163

9.2.3  【案例】海底撈訂餐：

大數據與App雙選擇 165

9.2.4  【案例】食譜：大數據

與創意雙營銷 166

第10章  信息累積：網絡通信的大數據變革 167

10.1  大數據與信息行業的相關知識 168

10.1.1  信息行業轉變的大數據

環境 168

10.1.2  信息行業發展的大數據

前景 170

10.1.3  信息行業營銷的大數據

方案 170

10.1.4  移動互聯網的大數據

分析 171

10.2  互聯網企業的大數據營銷 172

10.2.1  【案例】PPTV聚力：

大數據智能推送 172

10.2.2  【案例】大眾點評：

大數據智能展現 173

10.2.3  【案例】世紀佳緣：

大數據智能判斷 174

10.3  通信行業的大數據應用手段 175

10.3.1  【案例】中國移動：

大數據信息化戰略 175

10.3.2  【案例】中國聯通：

大數據標準化進程 177

10.3.3  【案例】湖南電信：

大數據綜合化推進 177

第11章  智能監控：交通能源的大數據效益 179

11.1  大數據與交通行業的相關知識 180

11.1.1  交通行業的城市發展

難題 180

11.1.2  交通行業的大數據應用 181

11.1.3  交通行業的大數據優勢 183

11.1.4  交通行業的大數據挑戰 184

11.2  交通行業的大數據營銷利器 185

11.2.1  【案例】數據交流，

行車安全 185

11.2.2  【案例】信息服務，

豐田暢通 186

11.2.3  【案例】數據救援，

安聯智能 187

11.3  能源行業的大數據開發與應用 188

11.3.1  電力行業的大數據應用 189

11.3.2  【案例】谷歌的漂浮數據

中心 190

11.3.3  【案例】UPS的物流數據

中心 191

第12章  高效服務：醫療領域的大數據價值 193

12.1  大數據時代下的醫療營銷 194

12.1.1  醫療領域的大數據

價值 194

12.1.2  醫療領域的大數據

應用 195

12.1.3  醫療領域的大數據

前景 196

12.1.4  醫療領域的大數據

挑戰 197

12.2  醫療領域的營銷大數據 198

12.2.1  醫療領域的大數據

增長 198

12.2.2  醫療領域的大數據

關系 199

12.2.3  醫療領域的大數據

方案 200

12.3  醫療領域的大數據應用案例 201

12.3.1  【案例】"南湘雅"的

臨床大數據系統 201

12.3.2  【案例】"好大夫在線"

的大數據定位 203

12.3.3  【案例】康諾云的大數據

醫療服務 204

第13章  迅速反應：娛樂傳媒的大數據沖擊 205

13.1  大數據時代下的娛樂傳媒 206

13.1.1  娛樂傳媒的大數據

意義 206

13.1.2  娛樂傳媒的大數據

挑戰 208

13.1.3  娛樂傳媒的大數據

策略 209

13.2  娛樂傳媒的大數據營銷應用 211

13.2.1  娛樂傳媒的大數據

趨勢 211

13.2.2  娛樂傳媒的大數據商業

模式 212

13.3  娛樂傳媒的大數據營銷案例 213

13.3.1  【案例】新影數訊的

大數據分析 213

13.3.2  【案例】《小時代》的

大數據分析 214

13.3.3  【案例】《紙牌屋》的

大數據變革 215

第14章  供需調控：生產制造的大數據支撐 217

14.1  大數據與生產制造業的相關

 知識 218

14.1.1  生產制造業的大數據

挖掘 218

14.1.2  生產制造業的大數據

沖擊 220

14.1.3  生產制造業的大數據

應用 221

14.1.4  制造業的大數據商業

智能 222

14.2  生產制造業的大數據價值體現 224

14.2.1  【案例】可口可樂的

大數據昵稱捕捉 225

14.2.2  【案例】長虹的大數據

家電戰略 226

14.2.3  【案例】歐派電動車的

大數據服務 227

14.2.4  【案例】長安汽車的

大數據制造應用 228

第15章  對內經營：企業管理的大數據戰略 229

15.1  大數據與企業管理的相關知識 230

15.1.1  企業管理的大數據內部

重塑 230

15.1.2  企業管理的大數據

方法 231

15.1.3  企業管理的大數據

智能 232

15.1.4  企業管理的大數據應用

關鍵 232

15.1.5  企業管理的大數據

要點 233

15.2  企業管理的大數據應用 235

15.2.1  【案例】智慧商貿進銷存的

企業管理 235

15.2.2  【案例】漢庭酒店的

大數據預算管理 236

15.2.3  【案例】機場的大數據

預測管理 238

15.2.4  【案例】國藥集團的

大數據平臺 240

第16章  線上線下：金融行業的大數據競爭 241

16.1  大數據時代下的金融行業 242

16.1.1  金融行業的大數據變革

理念 242

16.1.2  金融行業的大數據應用

途徑 244

16.1.3  金融行業的大數據趨勢 245

16.1.4  金融行業的大數據挑戰 246

16.2  銀行業的大數據營銷應用案例 246

16.2.1  【案例】工商銀行的

大數據方案 247

16.2.2  【案例】招商銀行的

大數據戰略 248

16.2.3  【案例】花旗銀行的

大數據服務 249

16.3  金融行業其他領域的大數據

 應用 250

16.3.1  【案例】紐交所的大數據

系統 250

16.3.2  【案例】基金業的大數據

預判 251

16.3.3  【案例】保險業的大數據

風險控制 251

第17章  廣泛發展：其他行業的大數據應用 253

17.1  大數據時代下的旅游行業 254

17.1.1  旅游行業的大數據發展

趨勢 254

17.1.2  【案例】黃山游客大數據

引流 256

17.2  大數據時代下的游戲行業 257

17.2.1  游戲行業的大數據關聯

指導 258

　　

17.2.2  【案例】EA游戲體驗的

大數據改進 258

17.3  大數據時代下的房地產行業 262

17.3.1  房地產行業的大數據

營銷 262

17.3.2  【案例】萬科地產的

大數據戰略 264